python爬取網(wǎng)易云音樂排行榜實例代碼

第python爬取網(wǎng)易云音樂排行榜實例代碼目錄網(wǎng)易云音樂排行榜歌曲及評論爬取一、模擬登錄二、排行榜數(shù)據(jù)爬取三、排行榜評論獲取總結(jié)

網(wǎng)易云音樂排行榜歌曲及評論爬取

主要注意問題：selenium模擬登錄、iframe標(biāo)簽定位、頁面元素提取。

在利用selenium定位元素并取值的過程中遇到問題。比如xpath正確但無法定位，在進行翻頁提取評論的過程中，利用selenium似乎不能提取不同頁的數(shù)據(jù)，比如，明明定位的第三頁的評論數(shù)據(jù)，而只能返回第一頁的評論數(shù)據(jù)。

一、模擬登錄

selenium定位元素模擬人的操作進行登錄，直接上代碼：

//模擬登錄

importpandasaspd

fromseleniumimportwebdriver

fromselenium.webdriver.support.uiimportWebDriverWait

frommon.byimportBy

fromselenium.webdriver.supportimportexpected_conditionsasEC

fromselenium.webdriver.chrome.optionsimportOptions

fromselenium.webdriverimportActionChains

fromlxmlimportetree

importtime

fromdatetimeimportdatetime,timedelta

wyy_url='/'

driver=webdriver.Chrome()

driver.get(wyy_url)

driver.maximize_window()#全屏

time.sleep(2)

driver.find_element_by_xpath("http://a[@class='links-fc3']").click()

time.sleep(2)

driver.find_element_by_xpath("http://a[@]").click()#選擇其他方式登錄

#賬號、密碼登錄

driver.find_element_by_xpath("http://input[@type='checkbox']").click()#同意條款

time.sleep(0.5)

driver.find_element_by_xpath("http://a[@]").click()

#選擇手機號密碼登錄

driver.find_element_by_xpath("http://a[@]").click()

time.sleep(1)

driver.find_element_by_id("p").send_keys('xxx')#這里輸入你的id

driver.find_element_by_id("pw").send_keys('xxx')#這里輸入密碼

time.sleep(1)

#點擊登錄

driver.find_element_by_xpath("http://a[@]").click()

time.sleep(1)

二、排行榜數(shù)據(jù)爬取

當(dāng)時嘗試直接用selenium定位標(biāo)簽取值，并沒有返回有效結(jié)果。在后面爬取評論時，也遇到此問題。于是先獲取頁面內(nèi)容在進行分析。

//排行榜

base_url="/#/discover/toplistid="

bang_typical={'飆升榜':19723756,'新歌榜':3779629,'原創(chuàng)榜':2884035,'熱歌榜':3778678}

#選擇榜單

bang=input('請輸入榜單：')

#構(gòu)造榜單對應(yīng)的鏈接

url=base_url+str(bang_typical[bang])

print('開始分析：-%s'%(bang))

#進入榜單

driver.get(url)

time.sleep(3)

#iframe標(biāo)簽定位，必要的，否則無法定位其他標(biāo)簽

_iframe=driver.find_element_by_xpath("http://iframe[@id='g_iframe']")#找到iframe標(biāo)簽

driver.switch_to.frame(_iframe)

time.sleep(1)

page_text=driver.execute_script("returndocument.documentElement.outerHTML")

#獲取頁面

html=etree.HTML(page_text)

trs=html.xpath('//tbody/tr')

rank_list=[]

title_list=[]

span_list=[]

singer_list=[]

fortrintrs:

rank=tr.xpath(".//span[@]/text()")[0]#注意xpath獲取到的是列表，需提取其元素

title=tr.xpath(".//b/@title")[0]

span=tr.xpath(".//td[@]/span[@]/text()")[0]

singer=tr.xpath(".//div[@]/span/@title")[0]

rank_list.append(rank)

title_list.append(title)

span_list.append(span)

singer_list.append(singer)

#輸出榜單結(jié)果

df_bang=pd.DataFrame({'排名':rank_list,'歌名':title_list,'時長':span_list,'歌手':singer_list})

三、排行榜評論獲取

主要是評論日期的格式轉(zhuǎn)換，評論內(nèi)容的清洗

//評論

#日期清洗函數(shù)

defchange_time(time):

now=datetime.now()

day_y=datetime.strftime(now-timedelta(1),'%Y-%m-%d')#計算昨天

day=now.strftime('%Y-%m-%d')

year=now.strftime('%Y')

if'年'intime:#非今年

new_time=time.replace('年','-').replace('月','-').replace('日','')

elif'昨天'intime:

new_time=time.replace('昨天',day_y+'')

elif'前'intime:#前天

minut=int(time[:time.index('分')])

new_time=(now+timedelta(minutes=-minut)).strftime('%Y-%m-%d%H:%M')

eliflen(time)==5:#今天

new_time=day+''+time

else:#最近**月**日**：**

y='2025-'

time=time.replace('月','-').replace('日','')

new_time=y+time

returnnew_time

#評論清洗

defchange_review(r):

if'：'inr:

r_=r.split('：')[1]

else:

r_=r

returnr_

#評論點贊

defchange_likes(l):

ifl!=[]:

l_=int(l.split('(')[1].split(')')[0])

else:

l_=0

returnl_

#拉動滾動條至翻頁按鈕處

driver.execute_script("window.scrollTo(0,document.body.scrollHeight)")

#獲取頁面信息

num=input('請輸入需要爬取的頁面總數(shù)：')#想要爬取評論的頁數(shù)，

#這里的思路是先通過翻頁將獲取到的所有頁面的所有內(nèi)容存至列表，再對列表遍歷。

#因為當(dāng)時直接用selenium定位返回結(jié)果不對，當(dāng)然你們也可以用selenium直接試試。

html_list=[]

foriinrange(int(num)):

page_text=driver.execute_script("returndocument.documentElement.outerHTML")

html=etree.HTML(page_text)#獲取頁面

html_list.append(html)

driver.find_elements_by_xpath("http://div[contains(@class,'u')]/a")[-1].click()

time.sleep(4)

WebDriverWait(driver,300,0.1).until(EC.presence_of_element_located((By.XPATH,"http://div[@]")))

print(f'第{i+1}頁爬取成功')

rev_list=[]#所有評論的列表

dat_list=[]#對應(yīng)日期的列表

forreview_pageinhtml_list:

raw_reviews=review_page.xpath("http://div[@]//div[@]/text()")#提取頁面所有評論

raw_reviews_=[iforiinraw_reviewsif"："ini]#保證長度一致

rv_date=review_page.xpath("http://div[@]//div[@]/div[@]/div[@]/text()")

review_list=[change_review(r)forrinraw_reviews_]

date_list=[change_